مدل ریاضی میزان انرژی مورد نیاز و سنیتیک خشک‌کردن اسطوخودوس با استفاده از شبکه عصبی مصنوعی
محورهای موضوعی : بهینه سازی مصرف کود و سم
محمد یونسی الموتی
1
(دانشیار مرکز آموزش عالی امام خمینی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران)
حمید خفاجه
2
(دانش آموخته دکتری مهندسی مکانیک بیوسیستم ، دانشگاه تربیت مدرس ، دانشکده کشاورزی، تهران ، ایران)
محمد زارعین
3
(دانش آموخته دکتری مهندسی مکانیک بیوسیستم ، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران ، ایران)
کلید واژه: اسطوخودوس, پیش‌بینی, بازده انرژی مصرفی مایکروویو, گیاه دارویی, شبکه عصبی مصنوعی,
چکیده مقاله :
گیاهی دارویی چندین ساله به ارتفاع حدود نیم‌متر است که در نواحی مختلف ایران می‌روید. خشک‌کردن یکی از قدیمی‌ترین روش‌های نگهداری مواد است. استفاده از شبکه‌های عـصبی در طراحـی و انتخاب شرایط کاری بهینه و کنترل خشک‌کن می تواند به کار رود. در این مطالعه به بررسی پارامترهای مختلف خشک‌کردن، ارزیابی مدل‌های ریاضی جهت تعیین بهترین مدل، ارزیابی توپولوژی‌های مختلف شبکه عصبی مصنوعی MLP جهت تعیین بهترین شبکه برای گیاه اسطوخودوس با خشک‌کن مایکروویو با محدوده توان 1000-100 وات و فرکانس 2450 مگاهرتز در چهار سطح توان 300، 500، 700 و 900 وات پرداخته شده است. از شبکه عصبی مصنوعی MLP برای پیش‌بینی ارتباط بین پارامترهای سینتیک خشک‌کردن (نسبت رطوبت و نرخ خشک-شدن) و بازده انرژی مصرفی با تغییرات توان مصرفی مایکروویو با بکارگیری نرم افزار استاتیستیکا استفاده شد. از بین مدل‌های برازش شده، مدل میدیلی به عنوان بهترین مدل با توجه به معیار‌های R 2، 2 χ و RMSE انتخاب شد. سطوح توان مایکروویو بر مدت زمان خشک شدن تأثیر داشت، به‌طوری‌که زمان خشک شدن برای توان 900 وات 3 دقیقه و برای توان 300 وات 11 دقیقه به دست آمد. به منظور پیش‌بینی پارامترهای سینتیک خشک‌کردن و بازده انرژی مصرفی، شبکه MLP دارای یک ورودی و سه خروجی به طور موفقیت‌آمیزی مورد استفاده قرار گرفت. نتایج به طور کلی نشان داد که شبکه عصبی مصنوعی MLP یک ابزار بسیار قدرتمند در پیش‌بینی پارامترهای سینتیک خشک‌کردن و بازده انرژی مصرفی گیاه دارویی اسطوخودوس بر اساس مقادیر توان مصرفی مایکروویو است.
Lavender with the scientific name Lavandula stricta Del is a perennial medicinal plant with a height of about half a meter that grows in different regions of Iran. Drying is one of the oldest methods of preserving materials. The use of neural networks can be used in the design and selection of optimal working conditions and dryer control. In this study, various parameters of drying, evaluation of mathematical models to determine the best model, evaluation of different topologies of MLP artificial neural network to determine the best network for lavender plant with microwave dryer with power range of 100-1000 watts and The frequency of 2450 MHz is provided in four power levels of 300, 500, 700 and 900 watts. MLP artificial neural network was used to predict the relationship between drying kinetic parameters (moisture ratio and drying rate) and efficiency of energy consumption with changes in microwave power consumption using Statistica software. Among the fitted models, the Midili model was chosen as the best model according to R 2, χ 2 and RMSE criteria. Microwave power levels had an effect on drying time, with drying times of 3 minutes for 900 W power and 11 minutes for 300 W power. In order to predict drying kinetic parameters and energy consumption efficiency, MLP network with one input and three outputs was successfully used. The results generally showed that the MLP artificial neural network is a very powerful tool in predicting drying kinetic parameters and energy efficiency of lavender medicinal plant based on microwave power consumption values.
_||_
